Может ли ИИ выучить язык биологии, чтобы переосмыслить медицину? | Блог Microsoft Signal

В геноме каждого из нас имеется около 20 000 генов. Хотя именно это разнообразие делает человеческий опыт таким богатым, наши генетические различия могут усложнить ситуацию, когда дело касается медицины и лечения болезней.

Сегодня большинство методов лечения представляют собой универсальный подход. Например, лишь небольшая часть больных раком получает таргетную терапию. Но если бы ИИ мог научиться читать и писать на языке биологии, он мог бы помочь адаптировать лечение к уникальному состоянию каждого пациента.

Ава Аминиглавный исследователь Microsoft Research, работает над тем, чтобы это произошло. Она недавно говорил о потенциале искусственного интеллекта для биологии на переполненной пивоварне в Кембридже, штат Массачусетс, в рамках «Лекции на кране», серия мероприятий, сочетающая лекции экспертов с интерактивным развлечением в непринужденной обстановке пабов по всей территории США.

Вот пять концепций, которые она осветила: от того, как работает точная медицина, до грандиозного видения разработки искусственного интеллекта, который может предсказывать поведение клеток.

Как ИИ может помочь разобраться в биологии

Биология невероятно сложна: генетическая структура и клеточное поведение каждого человека уникальны. Сегодня медицина часто лечит пациентов, основываясь на средних показателях, а не на индивидуальных различиях. Амини говорит, что ИИ предлагает способ расшифровать закономерности в огромных наборах биологических данных, которые люди не могут обработать в одиночку.

«Вычисления дают нам невероятно мощный инструментарий для понимания того, что, по моему мнению, является самой сложной и запутанной системой, которая у нас есть, а именно системой и языком биологии», — говорит она. «У нас есть возможность создавать вычислительные системы, модели искусственного интеллекта, которые смогут использовать масштаб данных, которые мы генерируем, изучить этот биологический язык и, в конечном итоге, иметь возможность использовать его для совершения новых открытий, разработки новых лекарств и, надеюсь, приблизиться к этой концепции предоставления людям возможности жить в более здоровом будущем».

Амини говорит, что, например, одна биопсия рака может дать около 50 миллионов отдельных точек данных. ИИ может помочь проанализировать эти огромные данные, найти закономерности и обеспечить персонализированное и точное лечение, а не общий уход.

Как точная медицина может помочь людям

Прецизионная медицина стремится адаптировать лечение к уникальному генетическому, молекулярному и клеточному составу каждого пациента. Но большинство методов лечения являются генерическими, и лишь небольшая часть больных раком получает таргетную терапию. Еще меньше людей добиваются устойчивого успеха, говорит Амини.

«Правда в том, что с учетом сегодняшних таргетных методов лечения менее 5% населения смогут дать эффективный ответ», — говорит Амини о лечении рака. «Это потому, что существуют такие вещи, как резистентность или рак развивается, он распространяется и растет, и эти пациенты на самом деле не увидят устойчивых, длительных и лечебных результатов».

Точная медицина стремится преодолеть эти ограничения, используя разнообразие и гетерогенность таких заболеваний, как рак, выходя за рамки средних показателей населения и переходя к индивидуализированному лечению.

Использование языка биологии для создания новых белков

Еще в 1965 году американский биофизик Маргарет Дэйхофф дал биологии алфавит — однобуквенный код для 20 природных аминокислот, строительных блоков белков. Создание ею этого кода аминокислот позволило представить белки как язык.

Microsoft строит на этом фундаменте ЭвоДифф и Атлас Дайхоффагенеративные модели искусственного интеллекта для разработки новых белков. Амини говорит, что эта концепция похожа на Copilot в биологии: введите подсказку и выведите новый белок, руководствуясь этой подсказкой.

Эти модели можно использовать на биологическом языке для создания белков с конкретными функциями.

Белки, созданные ИИ, демонстрируют прогресс и многообещающие результаты

По словам Амини, белки, разработанные ИИ, могут помочь нацеливаться на раковые клетки или связываться с рецепторами для доставки лекарств.

Она говорит, что модели Microsoft EvoDiff и Dayhoff позволили создать белки, протестированные в лаборатории и показавшие успешные функциональные результаты. Благодаря большему масштабу и разнообразию данных модели Дайхоффа повысили вероятность успеха производства новых белков с 16% с помощью предыдущих методов до 50%. Эти достижения показывают, что генеративный ИИ для биологии — это не просто теория; это происходит сейчас.

«На самом деле мы провели измерения и испытания в лаборатории в реальном мире, чтобы показать, что эти белки обладают теми функциями, которые мы имели в виду и которые стремились иметь», — говорит Амини.

Однако качество и разнообразие данных по-прежнему имеют решающее значение для эффективности модели, и все еще существуют существенные ограничения, особенно при моделировании целых ячеек.

Работаем над моделированием человеческих клеток

Модель искусственного интеллекта, разработанная для моделирования сложности человеческой клетки путем изучения закономерностей биологических данных, может предсказать, как клетки реагируют на лекарства, открывая возможности точной медицины. По словам Амини, многие считают это «Святым Граалем» в науке и реализуют идею создания моделей ИИ, позволяющих предсказывать поведение клеток. Амини говорит, что их эксперименты в Microsoft показали, что существующие модели клеток ИИ часто предсказывают только средние значения, а не реальные биологические различия. Увеличение объема данных не повышает производительность: модели быстро насыщаются и не масштабируются должным образом. Недавние критические исследования, в том числе проведенные Амини и его командой, выявили эти ограничения.

У Амини все еще есть надежда. По ее словам, хотя перспективы применения ИИ в биологии огромны, реализация персонализированной и точной медицины потребует постоянной интеграции и сотрудничества между различными дисциплинами. Она является соруководителем Проект Экс Вивоисследовательское партнерство между Microsoft и Броуд Институт при поддержке Института рака Дана-Фарбер, который создает новую основу для точной онкологии, интегрируя эксперименты и вычисления с нуля для достижения конечной цели — улучшения результатов лечения пациентов.

«Как технологи, мы используем эти открытия как топливо и хотим использовать как можно больше, чтобы идти дальше», — говорит она. «И вся эта информация, все эти оценки помогают нам добиться большего и приблизиться к этому обещанию».

Ведущее изображение по Андрей Onufriyenko / Момент / Getty Images.